当前位置:主页 > 管理论文 > 客户关系论文 >

基于海量数据的客户价值模型设计与应用

发布时间:2020-08-03 13:19
【摘要】:企业拥有超过800多万的零售户,每个零售户如果只销售一种规格的产品就会产生大量的数据,那么所有零售户销售多种规格的产品所共同产生的数据量是非常庞大的,目前已经达到了TB级别。因此本文使用Hadoop作为大数据处理与分析的平台,提高数据存储能力和处理的效率。对企业而言,掌握了零售户动态便可以很好的了解市场动态,对客户分类处理可以使企业针对性的投入资源,避免不必要的浪费。但是现有的客户分类方法存在着很大的弊端。首先,现有的客户分类方法处理海量数据的分类效果很不理想,而且数据执行效率很低。其次,现有的客户分类算法具有很强的主观性,分类标准较为单一。本文从企业需求出发,以全国800多万的零售户数据来研究零售户的综合价值,创建客观、科学的客户价值分析模型,提高企业对客户关系管理的效率。主要研究内容如下:1)通过市场走访、终端采集、系统录入等多种途径进行数据采集,对采集后的海量数据进行质量分析,采取清洗、加工和规范化等步骤对数据进行处理,运用HDFS的特性构建一个分布式的数据存储模型,使用Hive数据仓库对数据进行加工处理,降维和简化数据。2)本文在分析客户价值的概念以及比较传统的客户分类算法的基础上,从企业需求出发,提出一套科学的客户价值细分模型:选取合适的价值指标并考虑到不同指标在客户价值中的影响程度,分析计算各指标的权重,给出评分细则,建立一套客户价值评分体系。以评分体系为基础,构建客户价值模型:(1)价值分类模型,指导企业对不同价值的客户展开差异化营销策略,实现精准的客户定位和客户关系维护;(2)忠诚度预警模型,计算零售户的忠诚度,指导企业分析零售户的忠诚度变化,预防客户流失。3)使用FCM模糊聚类算法对客户价值进行分类处理,但是因为FCM模糊聚类算法存在容易陷入局部最优和对初始聚类中心敏感的缺点,对此分别使用全局寻优能力较强的灰狼优化算法(GWO)和粒子群优化算法(PSO)对其进行改进,通过实验对比来选取聚类效果最好的一种改进算法,作为最终的客户价值聚类算法。4)企业的数据规模非常庞大,所以使用Map Reduce并行计算框架,对改进后的FCN模糊聚类算法进行并行化处理,提高算法处理海量数据的执行效率。5)将本文提出的客户价值模型投入实际应用,搭建企业的基于大数据平台的客户价值模型分析应用系统,为企业提供可视化的管理平台。
【学位授予单位】:浙江理工大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TP311.13

【相似文献】

相关期刊论文 前10条

1 王海云 ,张世美;印刷企业客户分类与管理[J];中国出版;2005年07期

2 刘希宋;李文庆;喻登科;;基于市场营销离群数据挖掘的客户分类模型[J];情报杂志;2009年12期

3 张永礼;;基于客户生命周期价值的客户分类与数据挖掘[J];网络与信息;2008年06期

4 谢天宇;曹奇英;;基于Hadoop集群的分布式入侵检测系统的设计与实现[J];微计算机信息;2012年09期

5 朱慧云;陈森发;曹杰;张丽杰;;基于最佳分裂点的客户分类变化挖掘方法[J];信息与控制;2012年06期

6 逄利华;张锦春;;基于Hadoop的分布式数据库系统[J];办公自动化;2014年05期

7 黄源,张福炎;数据挖掘及其技术实现[J];计算机应用与软件;2001年12期

8 香丽芸;浅谈数据挖掘及其应用[J];昌吉师专学报;2001年02期

9 郑雪燕,张杰明,岳洋;数据挖掘语言[J];计算机时代;2001年11期

10 刘明晶;数据挖掘[J];华南金融电脑;2001年04期

相关会议论文 前10条

1 刘希宋;喻登科;;基于市场营销离群数据挖掘的客户分类模型[A];中国高等院校市场学研究会2009年年会论文集[C];2009年

2 吴亚军;潘杨;;“中华”卷烟经销客户分类模型研究[A];上海市烟草系统2010年度优秀学术论文集(经管类)[C];2011年

3 蒙峥坪;;引入“135”工作法 提升专卖客户分类管理水平[A];广西烟草学会2013年学术年会论文集[C];2013年

4 史东辉;蔡庆生;张春阳;;一种新的数据挖掘多策略方法研究[A];第十七届全国数据库学术会议论文集(研究报告篇)[C];2000年

5 张弦;;数据挖掘在农业中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年

6 魏顺平;;教育数据挖掘:现状与趋势[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年

7 关清平;沉培辉;;概率网络在数据挖掘上的应用[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

8 丁瑾;;基于Web数据挖掘的综述[A];山西省科学技术情报学会学术年会论文集[C];2004年

9 聂茹;田森平;;Web数据挖掘及其在电子商务中的应用[A];中南六省(区)自动化学会第24届学术年会会议论文集[C];2006年

10 李菊;王军;;数据挖掘在客户关系管理的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年

相关重要报纸文章 前10条

1 湖南省临湘市烟草专卖局(分公司) 陈立新;以客户价值为核心建立客户分类体系[N];东方烟草报;2012年

2 叶海涛 中信期货;经济新常态下的客户分类服务[N];期货日报;2014年

3 王志军;国家局高度评价扬州市局客户分类与货源供应工作[N];江苏经济报;2007年

4 郭卫;镇江烟草进一步规范零售客户分类[N];江苏经济报;2008年

5 本报记者 郭涛;机器大数据也离不开Hadoop[N];中国计算机报;2013年

6 本报记者褚宁;数据挖掘如“挖金”[N];解放日报;2002年

7 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年

8 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年

9 《网络世界》记者 王莹;数据挖掘保险业的新蓝海[N];网络世界;2012年

10 刘俊丽;基于地理化的网络数据挖掘与分析提升投资有效性[N];人民邮电;2014年

相关博士学位论文 前10条

1 宋亚奇;云平台下电力设备监测大数据存储优化与并行处理技术研究[D];华北电力大学(北京);2016年

2 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年

3 张馨;全基因组SNP芯片应用于CNV和L0H分析的软件比对与数据挖掘[D];复旦大学;2011年

4 彭计红;基于数据挖掘的痴呆中医证的研究[D];南京中医药大学;2015年

5 李秋虹;基于MapReduce的大规模数据挖掘技术研究[D];复旦大学;2013年

6 邬文帅;基于多目标决策的数据挖掘方法评估与应用[D];电子科技大学;2015年

7 谢邦彦;整合数据挖掘与TRIZ理论的质量管理方法研究[D];首都经济贸易大学;2010年

8 何伟全;云南高校学生意外伤害因素关联规则挖掘及风险管控体系研究[D];昆明理工大学;2015年

9 段功豪;基于多结构数据挖掘的滑坡灾害预测模型研究[D];中国地质大学;2016年

10 白晓明;基于数据挖掘的复合材料宏—细观力学模型研究[D];哈尔滨工业大学;2016年

相关硕士学位论文 前10条

1 周旭;基于海量数据的客户价值模型设计与应用[D];浙江理工大学;2018年

2 沈星光;基于Hadoop的数据挖掘分类系统设计与实现[D];北京邮电大学;2016年

3 孙靖;基于Hadoop平台的气象数据挖掘研究[D];北京邮电大学;2016年

4 祖晓晖;基于数据挖掘的智慧健康服务平台设计与实现[D];南京邮电大学;2017年

5 李保义;基于聚类分析方法的客户分类研究[D];北京理工大学;2015年

6 翁业飞;基于客户价值分析的N公司客户分类管理研究[D];苏州大学;2016年

7 段晓顺;证券公司客户关系管理系统的研究与分析[D];云南大学;2016年

8 余旋;杭州招商银行信用卡客户分类[D];重庆大学;2016年

9 张军尧;基于Web数据的港口客户分类及商务决策系统研究[D];北京交通大学;2017年

10 李艺明;基于模糊聚类的客户分类方法研究[D];广东工业大学;2006年



本文编号:2779689

资料下载
论文发表

本文链接:https://www.wllwen.com/guanlilunwen/kehuguanxiguanli/2779689.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户c9173***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com